论文部分内容阅读
合成孔径雷达(Synthetic aperture radar,SAR)图像能够为许多应用提供有用信息,如军事侦察与识别、遥感测绘等。但由于成像传感器中存在大量随机分布的散射体,其反射的雷达回波相干叠加,从而不可避免地在图像中产生相干乘性噪声,为后续SAR图像分析带来了极大不便。因此对SAR图像的斑点噪声进行抑制具有重要意义。本文研究的主要内容是将低秩逼近算法推广到SAR图像去噪中,对低秩逼近算法进行研究改进,提出了一种基于新相似性度量的总变分正则化加权核范数最小化(Weighted nuclear norm minimization,WNNM)的图像去噪算法,主要内容和创新点如下:1.针对视数较低情况下SAR图像降噪效果不明显的问题,提出了一种新相似性度量的联合块匹配方式。首先根据SAR图像的局部相似特性,采用非局部WNNM算法应用于SAR图像去噪;然后通过离散二维余弦变换,将频域信息作为主要参考信息,提出了一种基于频域欧氏距离和结构相似度的联合块匹配方式;最后通过新联合块匹配方式寻找相似块,构造低秩矩阵,采用WNNM算法逼近低秩矩阵,通过堆叠复位得到去噪后的图像。仿真实验结果表示,基于联合相似块匹配和WNNM结合(P-WNNM)的SAR图像去噪算法能够有效增强图像的细节信息。2.针对P-WNNM算法边缘模糊的问题,提出总变分正则化和P-WNNM结合(TV-PWNNM)的图像去噪模型,并通过不精确拉格朗日乘子算法求解。由于TV-PWNNM算法在迭代去噪的同时也滤除了有用的几何结构信息,因此,在弱纹理状态下采用主成分分析(Principal component analysis,PCA)提取少量几何信息来对残余噪声方差进行再估计,之后在低秩模型下采用改进残余噪声方差估计的TV-PWNNM算法来逼近低秩矩阵,最终达到SAR图像噪声抑制的目的。仿真实验结果表明,该算法能够充分保留原图像的细节和边缘信息,从客观和主观视觉上看,该方法优于目前主流的图像去噪算法。